3 B417科研笔记

尚未进行身份认证

我要认证

日月光华,旦复旦兮。 主要研究方向: 5G毫米波混合波束成形 人工智能与无线通信结合 智能反射面系统设计。

等级
TA的排名 1w+

【使用python多进程加速程序】multiprocessing与 tqdm 实现多进程

用multiprocessing库的map方法实现多进程from multiprocessing import Pooldef f(x): return x*xif __name__ == '__main__': with Pool(5) as p: print(p.map(f, [1, 2, 3]))这是官网的示例。Pool(5)中的5指的是要开的进程数。p.map()的用法就是, 输入两个参数, 第一个参数是你要执行的函数, 第二个参数则是需要被执行的参

2020-08-04 23:34:37

【深度学习与无线通信:论文阅读】:Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems

文章目录前言中心思想具体实现实现细节仿真结果总结前言论文题目: Power of Deep Learning for Channel Estimation and Signal Detection in OFDM Systems论文地址: https://ieeexplore.ieee.org/document/8052521/github源码地址: https://github.com/haoyye/OFDM_DNN利用keras的简化代码: https://github.com/TianLin

2020-08-02 19:47:01

【得之我幸,失之我命】分享下研究生阶段, IEEE论文投稿的心态和心路历程

前言这篇博客不涉及技术,一方面记录下自己这些年研究生和博士阶段的科研心路历程, 也希望可以给同样在科研道路上砥砺前行的同学们一些论文投稿的心态建议和经验分享吧。初始点我是在大三下学期进入的实验室,当时什么都不懂,只是为了保研而听取辅导员的意见选了一位导师。 时至今日仍非常庆幸。 恰好当时实验室的大师兄正在做一篇毫米波通信相关的工作,导师觉得这个题材后续的前景广阔,而大师兄行将毕业, 于是就从那时起让我跟着大师兄,接过这个方向的大旗。 当时对通信的各种topic没有太多的了解,保研的首要目的也是为了文凭

2020-07-26 14:21:50

【深度强化学习】DQN:深度Q网络

文章目录前言第六章 DQN前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址: 传送门第六章 DQNDQN,其实是我看这本书的初衷, 大名鼎鼎的改变了强化学习领域的方法 。前一章中,我们熟悉了贝尔曼方程, 并介绍了值迭代方法。...

2020-07-19 19:09:47

【深度强化学习】Q-learning 和 贝尔曼方程

文章目录前言第五章 Q-learning 和 贝尔曼方程贝尔曼方程Value of Action 动作的价值一个简单的例子值迭代算法V值迭代算法Q值迭代算法实例: FrozenLake中的值迭代算法collection.defaultdict总结前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址: 传送

2020-07-11 20:08:44

【Python 热力图绘制】傻瓜式教学:最常用的几个API

效果展示本例是绘制如下效果的热力图的代码示例:使用热力图的绘制依赖于seaborn库, 可以通过 pip install seaborn下载。假设已经拥有了一个2维矩阵G,矩阵的每个元素对应于热力图的每个格子, 那么就可以用以前代码:import seaborn as snsimport matplotlib.pyplot as pltfig, ax = plt.subplots(1,1) #必须这一句,不然无法showsns.heatmap(G, camp = 'Blues', ann

2020-07-09 19:13:04

【深度强化学习】交叉熵方法

文章目录前言第四章 交叉熵方法强化学习方法的分类实用的交叉熵交叉熵法实践:玩CartPole小游戏前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址: 传送门第四章 交叉熵方法在本章中, 我们将完成本书的第一部分, 并介绍一种强化学习方法——交叉熵。 尽管没有一些其他许多强化学习方法知名:例如 de

2020-06-24 15:32:55

【深度强化学习】第一个神经网络Demo :GAN生成Atari游戏图片

文章目录前言第三章 实例: 关于Atari游戏的生成对抗网络实现前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址: 传送门第三章 实例: 关于Atari游戏的生成对抗网络实现在开始本篇的介绍前, 先说明原代码在windows中遇到的一个极易出错的小问题:我在envs = [InputWrappe

2020-06-23 20:33:13

【深度强化学习】深度学习:Pytorch的使用

文章目录前言第三章 深度学习:Pytorch的使用Pytorch库基础Tensor 张量标量张量张量的操作张量 与 梯度Pytorch 的神经网络包:torch.nn自定义网络层损失函数与优化器损失函数优化器通过Tensorboard监控网络训练前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址: 传送

2020-06-22 23:17:24

【深度强化学习】OpenAI Gym的使用

文章目录前言第二章 OpenAI Gym深入解析Agent介绍框架前的准备OpenAI Gym APISpace 类Env 类step()方法创建环境第一个Gym 环境实践: CartPole实现一个随机的AgentGym 的 额外功能——装饰器和监视器装饰器 Wrappers监视器 Monitor总结前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇

2020-06-22 15:13:31

【深度强化学习】强化学习的基本概念

文章目录前言第一章:强化学习的基本概念学习——监督, 无监督与强化学习强化学习的体系与联系Reward 奖励AgentEnvironmentActionsObservation马尔科夫决策过程马尔科夫链马尔科夫奖励过程马尔科夫决策过程Policy总结前言重读《Deep Reinforcemnet Learning Hands-on》, 常读常新, 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼, 加一点自己的理解组织成一篇中文笔记。原英文书下载地址: 传送门原代码地址:

2020-06-21 18:31:01

pandas实用操作汇总(不断更新)

前言记录下写程序过程中用到的觉得实用的pandas操作, 不断更新下,方便自己查找多重条件筛选df[(条件1) & (条件2)]import pandas as pdimport numpy as npA = np.random.rand(3, 3)B = pd.DataFrame(A)# 多重条件筛选B[(B[0]>0.1) & (B[1]<0.8)]...

2020-06-12 21:49:30

windows 安装 cvxpy 的正确打开方式: cvx的python版本

matlab下的CVX, 是极富盛名的凸优化解题工具包。其实他在python下也有相应的库, 叫 cvxpy.但是他的安装没有那么容易: 直接使用pip install cvxpy会报错。经过作者多次踩坑, 摸索出了正确的打开方式:首先, 我用的是python 3.6, 但估计python 3都可以。系统是Win 10。使用Anaconda进行下载。 (不了解的可以百度Anaconda,非常有用。)打开Anaconda Prompt, 依次输入下列两个命令:conda install

2020-06-08 20:03:29

【汉字文本识别】:基于卷积神经网络和循环神经网络的深度学习方法:CRNN

前言之前参加深度学习比赛的时候,对计算机视觉有一些小小的积累。 虽然不足道, 但是还是记录一下, 以便以后碰到这方面的岗位问题时, 可以有一些展示的东西。 之前参加了华为赞助的一个汉字识别大赛, 要求通过神经网络,识别出图片中的汉字。 其中每张图片的汉字数量不一。 我这里先采用了 CRNN的方法, 这篇博文记叙一下。代码本文的代码全部分享于 github。已经配备了简单的训练集和验证集作为示例, 确保可以直接下载后使用。 读者可以用自己的数据集替代, 来实现一个自己的课堂demo。背景需要识别的图

2020-06-07 00:43:59

特征值的重要定理:Courant-Fischer min-max theorem 极大极小定理

前言Courant-Fischer min-max theorem 是特征值极为重要的一个性质。 但是国内的各种教材资料包括博客上都很少提及。 我自己在科研中曾经用到过。 近期又碰到了另一个精彩的结论 韦尔定理(Wely theorem),有一个应用极大极小定理的简洁美妙的证明。 因此, 这篇博文写一下这个不容忽视的定理。极大极小定理首先,本定理针对的是Hermitian 矩阵, 即共轭对称矩阵。 因为只有共轭对称矩阵的特征值是确定为实数值的, 其他矩阵很可能是复数值, 而复数值,也就不存在大小关系了

2020-06-06 21:34:26

理解贝叶斯优化:先验概率与后验概率

前言贝叶斯估计, 贝叶斯优化, 先验概率和后验概率, 配上一堆概率论的东西…成功达到了一种吓唬人的作用,让人误以为是一种高大上的算法。 本文希望以最简单通俗的例子, 深入浅出地讲述这一贝叶斯体系的算法本质, 来阐述 这并非什么高深的算法,而是我们生活中与生俱来最简单的思想。条件概率个人认为, 贝叶斯优化中, 唯一需要的概率公式就是这个:P(AB)=P(A)×P(B∣A)=P(B)×P(A∣B)P(AB) = P(A) \times P(B|A) = P(B) \times P(A|B)P(AB)=P

2020-06-04 20:25:23

【线性代数】从子空间到盲矩阵方程的求解

前言最近在翻张贤达的矩阵分析书, 看到矩阵方程求解这一块时,又遇到了老熟人“子空间方法”。之前对这一块掌握的都不是太熟, 顺便结合着网上的一些博客以及MIT的课程, 写下这篇, 以记录对子空间的理解。向量空间与子空间首先要介绍的就是子空间的基本概念, 那就不可避免地涉及向量空间, 姑且可以形象地认为这是“父空间”的意思。向量空间: 该空间对空间内向量的线性组合(相加,数乘)封闭。也就是说如果一个向量集合所组成的空间满足两种操作(数乘、相加)且通过这两种操作及他们之间的线性组合后的向量仍然在这个集合

2020-06-02 15:37:27

最新最简便解决 teamviewre检测为商业用途 的方法

解决被检测商业用途teamviewer很容易被检测出商业用途, 可以通过邮件teamviewer官方解封, 这是可行的。 但也可以按本文所介绍的方法直接自力更生。1. 删除 Teamviewer注意,不要简单地用teamviewre自带的卸载程序卸载就觉得可以了, 还要把注册表相关删除掉。否则即使重新再次下载teamviewer 也相当于啥事没干。 这是因为teamviewer是根据你的mac地址分配id的,必须要把相关的注册表也删除掉, 才能分配到一个新的,没被检测出商业用途的新账户。因此,使

2020-05-18 18:26:19

EDAS, LATEX提交论文格式问题:Upload failed: The top margin is X in on pages X, which is below the required m

前言今天提交EDAS论文,发现现在的格式要求愈发严格,即使按照给定的latex模板提交,仍然报错了,差不多是这样:问题Upload failed: The top margin is 0.691 in on pages 4 and 5, which is below the required margin of 0.7 in.这个报错: Upload failed: The top margin is 0.691 in on pages 4 and 5, which is below the r

2020-05-10 17:38:55

三步实现python通过selenium包进行爬虫

前言不考虑运行时间和效率问题的话,小规模爬虫程序,selenium是最好最合适的python爬虫库。这篇讲一下如何实现用selenium进行爬虫。环境配置系统:win10 (64位)浏览器: chrome (推荐大家都用这个)编译器:pycharmpython版本:python3, 我用的是3.7第一步: 下载selenium第三方库参考方法 Pycharm下载第三方包输入命...

2020-05-05 13:15:37

查看更多

勋章 我的勋章
  • 签到新秀
    签到新秀
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 技术圈认证
    技术圈认证
    用户完成年度认证,即可获得
  • 阅读者勋章Lv2
    阅读者勋章Lv2
    授予在CSDN APP累计阅读博文达到7天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv2
    勤写标兵Lv2
    授予每个自然周发布4篇到6篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 原力探索
    原力探索
    参与《原力计划【第二季】——打卡挑战》的文章入选【每日精选】的博主将会获得此勋章。
  • 学习力
    学习力
    《原力计划【第二季】》第一期主题勋章 ,第一期活动已经结束啦,小伙伴们可以去参加第二期打卡挑战活动获取更多勋章哦。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。